존재하지 않는 79만 4,000명 — Reble이 한국 인구를 대표하는 합성패널을 만든 이야기
Reble의 합성패널 79만 4,000명이 무엇으로 만들어졌고, 얼마나 믿을 만하며, 어디서 틀리는지를 숫자 몇 개와 그림 네 장으로 쉽게 설명한다. 전문 용어 없이, 음성으로도 들을 수 있다.
Reble
합성패널 한 사람. 통계청 표본에서 함께 온 조건이 고리(뼈대)를 이루고, 모델이 확률과 함께 추측한 조건(점선)과 규칙으로 정한 조건이 결합해 통계적 시민 한 사람이 됩니다. 이것이 79만 4,000번 모여 합성패널이 됩니다.
Reble은 여론을 알기 위해 사람에게 전화를 걸지 않습니다. 대신 한국을 통째로 축소한 모형을 만들어 두고, 그 모형에게 묻습니다. 이 글은 그 모형이 무엇으로 만들어졌고, 얼마나 믿을 만하며, 어디서 틀리는지를 숫자 몇 개와 그림 네 장으로 설명합니다. 전문 용어는 되도록 쓰지 않았습니다.
794,000통계청 자료와 여러 자료로 만든, 한국 성인 인구를 대표하는 합성패널의 사람 수
238칸시도 17 × 남녀 × 연령대 7의 좌석표
56명모형 속 한 사람이 대신하는 실제 사람 수(평균)
1
여론조사는 왜 늘 1,000명일까
뉴스에 나오는 여론조사는 대개 전화로 1,000명에게 묻습니다. 「오차범위 ±3.1%포인트」라는 말이 따라붙습니다. 숫자만 보면 정교해 보이지만, 세 가지 벽이 있습니다.
전화를 받은 100명 중 끝까지 답하는 사람은 5명쯤입니다. 그 5명이 나머지 95명을 대신한다는 보장은 없습니다.
1,000명을 지역·성별·나이로 나누면 한 칸에 4명이 남습니다. 「서울 20대 남성의 생각」을 4명에게 물은 셈입니다.
질문을 정하고 전화를 돌려 집계하기까지 며칠에서 일 주가 걸립니다.
2
그래서 사진 대신 모형을 만들었다
Reble은 사람을 모으는 대신 한국을 축소한 모형을 만듭니다. 재료는 통계청 인구통계와 인구주택총조사의 응답 가운데 2%, 약 85만 명분의 익명 자료입니다. 이름도 주소도 없고, 사는 곳·나이·성별·학력·직업·결혼 여부 같은 칸만 있습니다.
여기서 79만 4,000명을 만듭니다. 만드는 방법은 「조합」입니다. 먼저 통계청 표본에서 사는 곳·나이·성별·학력·직업·결혼 여부가 한 사람에게 함께 붙어 있는 실제 조합을 뼈대로 가져옵니다. 칸을 하나씩 따로 지어 붙이면 「대학원을 나온 농부, 소득 하위 20%」처럼 있을 법하지 않은 사람이 생기지만, 실제 응답의 조합을 쓰면 「고졸·기혼·사무직·서울 50대 여성」은 현실에 있는 사람입니다. 그 뼈대 위에 사회조사와 여론조사로 배운 정치 성향, 규칙으로 정한 칸을 조합해 한 사람을 완성합니다.
뼈대를 가져올 때는 전국을 작은 칸으로 나누고, 칸마다 실제 인구에 비례한 수만큼 가져옵니다. 여론조사에서 지역·성별·나이별로 응답자 수를 미리 정해 두는 「할당(quota)」과 같은 원리입니다. 아래 좌석표가 그 결과입니다.
그림 1. 모형의 좌석표. 17개 시도 × 남녀 × 7개 연령대 = 238칸. 칸의 숫자는 그 칸에 앉은 사람 수이고 진할수록 많습니다. 굵은 테두리가 가장 큰 칸인 경기 50대 여성 18,796명, 점선 테두리가 가장 작은 칸인 세종 10대 여성 39명입니다. 400배가 넘는 차이는 인구 그대로입니다(10대는 18~19세뿐입니다). 붉은 테두리 칸을 그림 3에서 엽니다.
3
한 사람은 어떻게 생겼나
좌석표의 한 칸을 열고 그 안의 한 사람을 꺼내 보면 24칸짜리 기록이 나옵니다. 칸은 세 가지 색으로 나뉩니다.
통계청에서 그대로 온 칸 — 사는 곳, 성별, 나이, 학력, 결혼 여부, 직업, 소득, 출신 지역, 종교. 모두 표본의 한 응답에서 함께 왔습니다.
모델이 추측한 칸 — 지지하는 정당, 이념, 많이 보는 매체, 정치에 대한 관심, 투표할 생각. 옆에 「이 추측에 얼마나 자신 있나」가 0에서 1 사이 숫자로 붙어 있습니다.
규칙으로 정한 칸 — 가구 구성, 주거 형태, 병역. 표본에 없어서 성별·나이·결혼 여부로 정합니다.
그림 2. 모형 속 한 사람, KR-V2-002515. 서울 종로구에 사는 54세 고졸 기혼 사무직 여성입니다. 위 아홉 칸은 통계청 표본의 한 응답에서 함께 왔고, 가운데 일곱 칸은 모델의 추측(확률이 붙어 있습니다), 아래 네 칸은 계산값입니다.
4
정치 성향은 어떻게 채웠나 — 그리고 왜 한 사람 단위로는 믿지 않나
통계청 자료에는 정치가 없습니다. 어느 당을 지지하는지, 진보인지 보수인지는 물어보지 않으니까요. 그래서 대학 연구소가 모아 둔 사회조사, 11,476명의 응답과 시계열별로 진행된 여론조사 데이터로 배운 모델이 사는 곳·나이·학력·직업을 보고 추측합니다.
그 추측은 어느 정도일까요. 인구 정보만으로 한 사람의 지지 정당을 맞힐 확률은 48%입니다. 동전 던지기보다 조금 나은 정도입니다. 그래서 Reble은 한 사람의 답을 쓰지 않습니다. 대신 한 칸, 그러니까 한 동네 수천 명의 비율만 씁니다. 틀린 추측이 서로 상쇄되기 때문에 비율은 한 사람의 답보다 훨씬 믿을 만합니다.
그림 3. 서울 50대 여성 칸 11,912명의 비율. 고졸 46.5%, 기혼 74.7%처럼 통계청에서 온 비율(A)과, 국민의힘 25.4% · 더불어민주당 23.6% · 무당층 20.7%처럼 모델이 추측한 비율(B)이 함께 보입니다. 이 비율은 쓸 만하지만, 그중 한 사람이 누구를 지지하는지는 모릅니다.
5
한 사람의 무게
모형은 79만 4,000명인데 18세 이상 한국인은 4,450만 명입니다. 그래서 모형 속 한 사람은 평균 56명 몫입니다.
그런데 표본은 2020년 것이고 실제 인구는 2026년 것입니다. 그 사이 사람들은 이사했고 나이를 먹었습니다. 이 차이를 맞추는 방법이 「무게」입니다. 실제보다 많이 뽑힌 칸의 사람은 1명보다 가볍게, 적게 뽑힌 칸의 사람은 1명보다 무겁게 셉니다. 사람을 지우거나 복제하지는 않습니다. 지우면 그 사람이 가진 학력·직업·결혼의 조합이 함께 사라지기 때문입니다.
그림 4. 시도별로 뽑힌 수(위)와 실제 인구 몫(아래). 전남 70대 여성 한 사람은 0.5명 몫, 세종 10대 여성 한 사람은 2.1명 몫으로 셉니다. 무게를 다 더하면 그대로 79만 4,000입니다.
6
시간이 흐르면 모형도 바뀐다
정치는 바뀝니다. 2025년에는 정권이 바뀌었습니다. 그래서 모형의 정치 칸은 최신 여론조사와 선거 결과에 맞춰 다시 맞춥니다. 사는 곳과 나이 칸은 그대로 둡니다.
극장에 빗대면 이렇습니다. 관객은 그대로 앉아 있고, 손에 든 표만 바뀝니다. 처음에는 모두의 표를 걷어서 전국 비율대로 새로 나눠 줬습니다. 그러자 호남과 영남이, 20대와 70대가 똑같은 극장이 됐습니다. 전국 합계는 맞는데 구조가 죽은 것입니다. 지금은 자기 구역 안에서, 꼭 필요한 사람의 표만 바꿉니다.
지금까지 이런 시점이 열네 개 있습니다. 그중 선거 개표 세 번(2024년 총선, 2025년 대선, 2026년 지방선거)은 오차가 없는 정답지이고, 나머지는 여론조사입니다.
7
이것은 여론조사가 아니다 — 예측하고, 조건을 바꿔 돌려 본다
여론조사는 「지금 사람들이 무엇이라고 답하는가」를 찍은 사진입니다. 합성패널은 사진을 찍는 도구가 아니라 「이런 조건이면 어떻게 되는가」를 돌려 보는 모형입니다. 그래서 할 수 있는 일이 다릅니다.
예측 — 선거처럼 답이 나오는 일을 미리 예측하고, 나중에 개표로 채점받습니다. 2026년 지방선거 12곳의 당선자 예측이 그렇게 공개됐고, 8곳이 맞았습니다.
시뮬레이션 — 아직 일어나지 않은 상황을 조건을 바꿔 가며 돌려 봅니다. 2026년 8월 민주당 당대표 선거에서는 권리당원을 본뜬 합성패널 4,433명에게 남은 지역을 투표시키고, 투표율·연령 구성·2순위 표의 이동 같은 조건을 바꿔 가며 수천 번씩 돌려 각 후보의 승리 조건을 읽었습니다. 결과는 당선자 적중, 최종 득표율은 1.2%포인트 차이였습니다.
「누구를 움직이면 결과가 바뀌나」 — 특정 연령이나 성별의 마음이 5%포인트 움직이면 결과가 어떻게 달라지는지도 같은 모형에서 바로 볼 수 있습니다. 사람에게 묻는 조사로는 할 수 없는 질문입니다.
그래도 여론조사는 아닙니다 — 이 사람들은 존재하지 않고, 뼈대는 2020년 자료이며, 채점은 만든 사람이 했습니다. 그래서 Reble은 「승률 50.5%」 같은 한 숫자 대신 범위와 오차를 함께 말하고, 틀린 곳은 틀렸다고 적습니다.
끝
정리하면
합성패널은 진짜 유권자를 그대로 닮은 통계적 유권자 모델입니다. 인구총조사에서 나이·성별·지역 같은 실제 분포를 가져와 그 분포에 맞는 통계적 시민을 만든 것으로, 실존 인물이 아니라 통계로 빚은 인형에 가깝습니다. Reble에는 이런 합성패널이 79만 4,000명 있고, 이들에게 확률로 답하게 해 실제로 투표를 시켜 보는 것이 시뮬레이션입니다. 하는 일은 둘입니다. 실제 결과를 미리 맞히는 것, 그리고 조건을 바꿔 가며 「이렇게 되면 어떻게 될까」를 실험해 보는 것입니다.
더 읽기
자세한 방법과 숫자: 방법론 글 「한국 인구를 합성패널로 만들다 — 통계적 시민 79만 4,000명의 구성과 검증」(준비 중)